参数少6倍，气味预测准确率反超4.52%！GraphNOSE开源框架来了
GraphNOSE: A Graph Transformer in Olfaction
📖 AI 总结
GraphNOSE是一种用于嗅觉预测的开源图变换器框架，旨在从分子结构（以SMILES字符串表示）预测多标签气味描述符，适用于单分子和二元混合物。该模型通过整合位置编码和结构编码，在参数量仅为标准图神经网络基线六分之一的情况下，仍取得优异性能。实验显示，GraphNOSE在平均AUROC上比线性模型、分子语言模型嵌入、分子指纹和基线GNN高出4.52%（p<0.01），并在分布外化合物上达到84%的AUROC，显著超越现有最优嗅觉GNN模型Open-POM的81%。研究还利用可解释AI方法识别驱动气味预测的分子子结构，结果符合化学直觉。GraphNOSE为嗅觉预测提供了可扩展且可解释的架构，尤其适用于当前感知数据库中代表性不足的结构新颖化合物。
🔑 关键词速览
| GraphNOSE | 一种基于图变换器的开源框架，用于从分子结构预测气味描述符。 |
| SMILES | 简化分子输入线性输入系统，一种用字符串表示分子结构的编码方式。 |
| 图神经网络 (GNN) | 一种处理图结构数据的深度学习模型，常用于分子性质预测。 |
| AUROC | ROC曲线下面积，衡量分类模型性能的指标，值越高表示区分能力越强。 |
| XAI | 可解释人工智能，旨在使模型预测结果透明可理解的技术。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅